タイムプロジェクションチェンバー（TPC）は、荷電粒子の軌跡を再構築する多用途の検出器であり、核物理学の広範な実験において敏感な計測を可能にします。本研究では、TPCデータに対する表現学習のためにスパース畳み込みネットワークを探求し、スパースResNetアーキテクチャが無作為に設定された重みであっても有用な構造的ベクトル埋め込みを提供することを発見しました。このアーキテクチャを簡単な物理に基づく二項分類タスクで事前学習することで、埋め込みの質がさらに向上します。GAseous Detector with GErmanium Tagging（GADGET）II TPCのデータを使用して生のパッドレベル信号をスパーステンソルとして表現し、Minkowski Engine ResNetモデルを訓練し、イベントレベルの埋め込みを探査しました。また、逆運動学における核反応研究のために設計されたActive-Target TPC（AT-TPC）のデータも同様のエンコーダを使用して埋め込みました。未訓練のスパースResNetモデルでもAT-TPCデータの有用な埋め込みが得られ、GADGETデータで訓練した際に改善が観察されました。これらの結果は、さまざまなTPC実験における表現学習の一般的な手段としてのスパース畳み込み技術の可能性を強調しています。